비전 설정과 문제 해결: 건축 디자인을 변화시키고 있는 AI

•  건축에서 AI는 개발 중간 단계에 있으며, 매우 상세한 이미지 생성과 실용적인 문제 해결 계산에 탁월하다.
•  이 두 분야에서 높은 숙련도 덕분에 건축가는 점점 AI가 생성한 옵션을 선택 및 폐기하는 디자인 큐레이터의 역할을 맡게 된다. 
•  현재 건축에서의 AI의 주요 한계는 이미지 제작과 문제 해결 능력 사이에 있다. AI는 이미지에서 건축 가능한 설계도를 도출하는 능력과 건축 가능한 설계도에서 설득력 있는 이미지를 도출하는 능력이 부족하다. 

건축에서 인공 지능(AI)은 보편적이고 강력한 도구가 되고 있지만, 아직 어정쩡하고 개발 중간 단계에 있는 기술이기도 하다. AI는 타의 추종을 불허하는 속도로 다양한 옵션을 제공하여 평면면도 배치와 같은 간단하고 실용적인 문제를 해결할 수 있다. 또한 간단한 텍스트 명령만으로 인터넷 전체의 이미지에서 발췌한 광범위하고 창의적인 비전을 그릴 수 있다. 그러나 설계 프로세스의 이 두 부분, 즉 기초 과학과 건축의 예술성을 연결하는 것은 어려운 것으로 입증되었다. 

어떤 건축적 설명(‘순천만에 있는 에코토피아 경복궁’)을 미드저니(MidJourney) 같은 이미지 생성기에 나열해도 건설 가능한 결과물은 얻을 수 없다. 또한 알고리즘으로 생성된 무한히 많은 평면도는 아직까지는 공간을 효율적으로 사용하는 것 이상으로 확장할 수 없다. 그러나 이 두 가지 기능을 결합하는 것은 아마도 AI 시대에서 가장 뜻깊은 설계 기술 발전이 될 것이다. 

현재 건축에서 AI를 활용하는 방식

건축 설계에서 AI의 기반은 복잡한 문제를 해결하고 자극에 역동적으로 반응하기 위해 인간의 인지를 모방하는 컴퓨터 프로그램이다. 머신 러닝은 이와 밀접하게 연결된 하위 분야로, 패턴을 인식하고 학습하여 인간의 개입 없이 독립적으로 인지 능력을 향상시키는 AI 시스템의 능력을 의미한다. 

AI는 건축 설계 프로세스 전반에 걸쳐 연관성을 발견했다. 미드저니와 같은 이미지 생성기는 인터넷상의 이미지를 분석함으로서 짧은 텍스트 프롬프트를 바탕으로 풍부하고 상세하며 사진 화질에 가까운 이미지를 얻을 수 있다. 이는 냅킨에 그린 상세 스케치를 디지털로 구현한 버전이라 할 수 있으며, 초기 컨셉 브레인스토밍을 위한 강력한 도구가 될 수 있다. 이러한 이미지는 대중에게 다가가는 데도 유용하며, 마케팅 및 홍보 자료에 사용하여 기본 디자인 개념과 맥락을 설명할 수 있다. 

범위를 좁혀 집중시킨 AI 도구는 건물 성능 지표에 맞게 설계를 최적화하고, 간단한 프로그래밍과 공간 입력으로부터 평면도를 생성하며, 벽과 파티션의 이동에 따라 동적으로 평면도를 재구성하여 일상적이고 보편적인 설계 작업을 자동화할 수 있다. AI 엔지니어들은 이런 AI 건축 도구에 ChatGPT(챗GPT) 같은 자연어 텍스트 기반 인터페이스를 통합하기 위해 노력하고 있다. AI를 이용한 플로어 플레이트(floor plate) 생성은 파라메트릭 디자인의 일종으로, 건축 분야에서 오랫동안 사용되어 왔으며 형식적 변형을 무한히 생성한다. 

그러나 AI 컴퓨팅 성능이 향상됨에 따라 건축가와 디자이너는 제너레이티브 AI를 자신의 워크플로에 통합하고 있으며, 이는 단순히 제약 조건을 기반으로 하여 수많은 변형 옵션을 출력하는 대신 사용자가 정의한 일련의 메트릭을 기반으로 각 변형 옵션의 품질에 순위를 매긴다.

많은 건축가들은 빌딩 정보 모델링(BIM)과 같은 디지털 프로세스를 통해 설계를 조정하는 데 익숙하며, AI는 이러한 모델이 할 수 있는 일을 바꿔 놓고 있다. 건물의 모든 공식적인 설명 및 성능 데이터를 포함하는 디지털 트윈은 여러 측면에서 BIM의 새로운 진화 형태라고 할 수 있다. AI는 이러한 모델을 테스트하고 촉진할 수 있으며, 하나의 변수를 변경했을 때 건물의 에너지 성능, 일조량 또는 길 건너편의 그늘에 어떤 영향을 미칠지 검토할 수 있고, 운영 및 설계를 개선하는 방법을 지속적이고 독립적으로 학습할 수 있다. 이 새로운 기술은 디지털 트윈에 직접 데이터를 공급하는 네트워크 사물인터넷(IoT) 센서 및 장치에 의해 구현된다.

건축 설계에서 AI의 장점

건축 설계에서 AI는 일상적이고 반복적인 작업을 빠르게 완료하고 작은 증분으로 설계를 최적화하는 데 가장 유용하다. 이는 종종 좁은 인공지능(artificial narrow intelligence)이라고 불린다. 종종 그렇듯이 AI는 이러한 유형의 작업들이 중복되는 경우에 가장 효과적이다. AI는 주거용 타워를 개발자의 사양에 맞는 모양의 아파트로 즉시 채울 수 있으며 다양한 재료 및 비용 대비 효율에 맞게 조정할 수 있다. 또한 이미지 생성기는 디자인 영감을 얻기 위해 노출된 ‘무드 보드’로 역할을 하며, 방대한 이미지 라이브러리를 출처로 삼아 시각적 합성 이미지를 빠르게 제공할 수 있다. 이러한 상세 이미지는 건축가가 구조 및 엔지니어링 시스템을 정의할 때 목표로 삼을 미적 대상이 될 수 있다.

이 두 시나리오에서 건축가는 모든 설계 요소를 세밀하게 통제하고 결정하는 대신 더 폭넓은 큐레이션 역할을 맡게 된다. 건축가는 매개변수를 정의하고, 옵션을 선택 및 폐기하며, 알고리즘에 대한 조언과 지침을 제공하게 된다. 이는 건축이 지금까지 실현되어 온 방식에 대한 급격한 변화라고 할 수 있다. 경계선을 정하는 일은 여전히 계속되고 있다. 이 새로운 도구는 CAD 또는 BIM처럼 노동력을 절약하는 장치일까, 아니면 창작 프로세스의 근본적인 변화를 나타낼까?

건축 프로젝트에서 AI의 7가지 예시

디자이너가 반복 작업을 시작하기 전에 자동화된 도구를 사용하여 장소 및 상황별 데이터를 구성하면 모호성을 제거하고 위험을 줄일 수 있다. 이러한 도구는 디자이너나 개발자처럼 코딩 작업을 하지 않는 사람들이 기술적이고 프로그래밍을 많이 해야 하는 작업에 더 쉽게 접근하도록 지원한다. 연구 프로젝트부터 상업용 제품까지 아우르는 다음 예시들은 건축에서 AI가 설계 프로세스를 개선하여 인간의 창의성이 중심이 될 수 있는 기회를 창출하는 방법을 보여준다.

1. 계획 설계를 위한 AI

핀치(Finch)는 다양한 설계 기능을 갖춘 파라메트릭 계획 도구이다. 몇 가지 입력 제약 조건만 있으면 평면도를 생성할 수 있고, 이러한 평면도 디자인을 즉시 자동으로 조정할 수 있다. 벽을 선택하여 이동하면 주변 방들의 비율, 위치, 구성이 알아서 변경되는 것을 볼 수 있다. 이 플랫폼은 현지 계획 규정을 통합하고 사용자가 구조 효율성, 유닛 수 또는 기타 변수를 최적화할 수 있도록 한다. 또한 신속하게 정의된 현장 경계에 평면도를 배치할 수 있는데, 불규칙하고 유기적인 모양을 소단위로 나누고, 다양한 층고에 계단을 동적으로 연결하고, 복잡한 지형을 통과하는 도로의 최적 경로를 추적한다. 

2. 도시 개발을 위한 AI

새로운 AI 도구는 도시 규모의 부지에 개별 건물의 요구 사항을 넘어서는 제너레이티브 및 반복적인 힘을 적용할 수 있다. 설계 개념 탐색을 단순화하고 반복적인 작업의 부담을 덜어주고 건물 부지를 둘러싼 환경 품질을 평가하는 데 도움이 되는 클라우드 기반, AI 사용 인사이트 및 자동화를 제공하는 오토데스크 Forma(포마)가 이 개념을 잘 보여준다.

계획 및 설계의 초기 단계에 적용되는 Forma는 사용자에게 심도 있는 기술적 전문 지식이 없어도 일광 시간, 일광 잠재력, 풍력, 운영 에너지 및 미기후와 같은 주요 밀집도 및 환경 품질에 대한 실시간 분석을 수행할 수 있다. 이러한 머신 러닝 및 AI를 사용한 환경 분석은 설계 프로세스를 시작한 첫날부터 비즈니스 및 지속가능성 목표를 달성하는 데 도움이 될 수 있다. 예를 들어 Forma의 바람 모델링은 인간의 편안함을 위해 전산 유체 역학을 사용하여 설계를 개선하고 건물이 바람을 전달하는 방법을 보여준다.

3. 더 나은 입찰을 위한 AI

샌프란시스코만 지역을 거점으로 삼고 있는 모듈러 건설 회사인 콘엑스텍(ConXtech)은 AI를 사용하여 건설에서 예측하기 아주 어려운 단계 중 하나인 입찰 과정을 제어하고 있다.

콘엑스텍은 많은 건설 회사와 마찬가지로 프로젝트 개발 단계에서 소유자와 개발자의 요청을 받는다. 이 시점에는 프로젝트의 실행 가능성이 아직 확정되지 않았고 여전히 여러 옵션을 검토 중이다. 그래서 콘엑스텍과 같은 회사는 결코 지어지지 않을 수도 있는 프로젝트에 대해 여러 번의 반복 작업을 해야 한다. 결국 성공하지 못할 프로젝트나 입찰에 수백만 달러를 지출하게 될 수 있다. 이와 동시에 소유자와 개발자는 실행 가능하면서 비용 대비 효율적인 솔루션에 대한 빠른 답변을 기대한다.

입찰 주기를 단축하고 입찰 비용을 줄이기 위해, 콘엑스텍은 오토데스크 리서치와 더불어 AI를 활용하여 자재 조달, 제작, 시공 비용을 기반으로 가장 비용 효율적인 구조-철강 설계를 찾는 프로토타입 입찰 플랫폼을 개발했다. 이러한 비용은 프로젝트에 선정된 공급 업체 및 도급 업체의 영향을 받으며 프로젝트의 위치에 따라 다르다.

4. 용적 설계 및 계획을 위한 AI

일본의 건설, 엔지니어링, 부동산 개발 회사인 오바야시(Obayashi)도 오토데스크 리서치와 협력하여 건축가가 건물의 기본 매개 변수를 입력하면 최소한의 지침만으로 용적 추정치와 인테리어 프로그래밍 레이아웃을 얻을 수 있는 AI 솔루션을 구상했다. 주로 사무실 공간에 사용되는 이 애플리케이션의 AI는 2800개 이상의 오토데스크 Revit(레빗) 파일을 포함하는 오바야시 포트폴리오의 하위 세트로 훈련되었다.

AI 도구는 프로그램 간의 추상적인 관계와 건물의 용적으로 표현되는 이상적인 연결성, 크기 및 비율을 이해한다. 인테리어 프로그래밍 레이아웃을 생성하기 위해, 디자이너와 고객은 건물 요소와 위치를 지정하고 서로 어떻게 관련되어 있는지 보여주는 간단한 문장인 일련의 어휘 매개 변수를 통해 작업한다. ‘회의실은 창문 가까이에 두어야 한다’거나 ‘보안을 위해 실험실과 점심 식사 공간은 멀리 떨어트려야 한다’ 등이 이런 어휘 매개 변수의 예시이다.

5. 규제 지침 및 심미적 사진 처리를 위한 AI

오바야시와 마찬가지로 마켓(Maket)은 실내 치수, 유형 및 인접 제약 조건을 연결하여 초기 단계의 기본 설계를 통해 건축가를 지원하는 데 탁월하며, 이 기능을 자연어 텍스트 인터페이스와 통합하고 있다. 마켓은 업로드된 용도/구역 규정(zoning) 문서를 읽고 이에 대한 자세한 질문에 답변할 수 있는 규제 보조 역할도 제공한다. 또한 디자이너는 건축 사진을 업로드하고 기본 텍스트 프롬프트를 사용함으로써 사진에 인테리어 및 가구 요소를 추가하여 다양한 심미적 처리를 적용할 수 있다. 

6. 부동산 개발자를 위한 AI 

파라핀(Parafin)은 프로그램, 비용, 상업적 실행 가능성의 균형을 맞추기 위해 매개 변수 반복 AI를 사용한다. 오토데스크 기술 센터의 '아웃사이트 네트워크(Outsight Network) 소속 건축가 브라이언 아메스(Brian Ahmes)와 개발자 아담 엥겔스(Adam Hengels)는 시카고와 마이애미 출신의 2인조로, 이들이 개발한 이 프로그램은 객관적인 수익성과 성과를 위해 거의 무한한 파생 결과물을 생성한다.

파라핀은 현재 호텔 개발에 사용되는 클라우드 기반의 제너레이티브 디자인 플랫폼이다. 주로 부동산 개발자가 대상이며, 초기 계획 단계에서 잠재적인 건물 부지의 재정적 실행 가능성을 신속하게 평가하는 데 도움이 된다. 몇 가지 매개 변수(객실 수, 주차 공간, 현장, 높이 및 호텔리어를 위한 브랜드 가이드라인)만 있으면 이러한 가이드라인을 충족하는 수백만 건의 반복 결과물을 생성할 수 있고, 모두 재무적 성과, 비용 등을 기준으로 검색 가능하다. 이는 웹 브라우저의 지도 및 메뉴 기반 인터페이스를 통해 작동하며 각 디자인에 대해 매우 상세한 평면도, 3D 화면 및 Revit 파일을 생성한다.

7. 성능 최적화를 위한 AI 

Cove.tool은 건축 과학자와 건축가 산딥 아후자(Sandeep Ahuja)가 공동 개발한 건물 성능 설계 자동화 앱이다. 머신 러닝을 사용하여 건물 설계를 통해 에너지 및 탄소 소비, 일광 수준, 비용 구조 등을 개선할 수 있는 방법을 분석하고, 건물 방향 및 재료와 같은 변수를 변경하고 결과를 측정한다. 규정 최저치부터 자발적 등급 시스템 인증에 이르기까지 다양한 기준에 대한 비용 최적화를 수행하고 결과를 평가할 수 있다. 세부적인 수준에서 Cove.tool은 본질적으로 시공 전의 디지털 트윈이며 건물의 성능을 점진적으로 개선할 수 있는 머신 러닝 알고리즘과 통합된다. 

AI가 건축가를 대체할 수 있을까?

건축 분야에서 AI가 대단히 새로운 요소인지를 감안하면 AI가 건축 작업에 어떻게 영향을 미칠지 말하기는 어렵다. 하지만 AI가 탁월하게 수행하는 작업인 기술적 세부 사항과 계획을 조합하는 것과 같은 일은 주로 신입 디자이너의 업무이므로, 신입 디자이너 수요가 줄어들 가능성이 높다. AI가 건축가들을 세부적인 일을 수행하는 어려움으로부터 해방시킬 수 있는 잠재력이 있는 것은 사실이지만, 생산 속도를 높이기 위해 이 노동력 절약 도구를 사용하려는 고용주도 분명 존재한다.

오늘날 AI가 침투하지 않은 건축 디자인의 영역은 많이 있다. AI는 아직 프로그램, 규모, 잠재 고객, 재료 또는 지리적 맥락과 같은 건물 프로젝트에 수반되는 제약 조건을 정의할 수 없다. 이러한 매개 변수는 고객과의 상호 작용에서 비롯되며 AI에 아웃소싱 할 수도 없다. 또한 이 기술은 사람들이 공간을 이동하고 물체와 상호 작용하는 방식에 대한 이해가 거의 없으며, 아직은 텍스트 프롬프트를 통해 2D 이미지처럼 생성하듯 풍부하고 상세한 3D 이미지를 생성할 수 없다.

또한 미드저니와 DALL-E(달리)가 꿈꾸는 환상적인 비전은 이를 뒷받침하는 건설 관련 서류를 제공하지 않는다. 건축, 엔지니어링, 건설(AEC) 산업 전반에 걸쳐 AI는 건축 현장이나 건물과 직접 상호 작용하는 로봇 공학 애플리케이션에 사용되는 일이 가장 적었다. 그래도 이런 상황이 어느 정도의 독립성을 지닌 리얼리티 캡처 로봇으로 인해 바뀌고는 있지만 여전히 사람의 지도가 필요한 실정이다.

또한 건축에서 AI는 이러한 애플리케이션이 도출하는 데이터의 품질에 영향을 미치는 기본 경제 및 선택 편향 역학에 의해 제한된다. AI 알고리즘은 학습해야 하는지에 데이터의 양에 따라 제한되는데, 건축에서 이런 데이터에는 소유권이 있을 수 있으므로 자체 AI 애플리케이션에서 작업하는 잠재적 라이벌과 공유하기 어렵다. 또한 이미지 제작 AI는 이미 본 것만 재합성할 수 있으므로 인터넷의 이미지 저장소가 문화적 또는 지역적으로 편향되어 있다면(예를 들어 부유한 서구 국가의 건축 이미지를 과도하게 표현하는 경우) 결과도 비슷하게 편향될 것이다. 

AI는 다르게 분류되었을 뿐 자동화의 진화판이며, 자동화된 프로세스는 이미 설계에 필수적인 요소이다. 건축 스튜디오 더 리빙(The Living)의 짐 스토다트(Jim Stoddart)는 "Revit을 사용해서 설계를 하고 이 프로그램이 설계를 구성할 수 있는 문서를 자동으로 조정해서 만들어 낸다면 걱정할 게 없다"며 "이게 자동화다. 실제로 그동안 수작업으로 했던 모든 일들을 해 주고 있다"고 말했다.

향상된 컴퓨터 기능은 인간과 기계 지능의 균형을 맞출 더 많은 기회를 제공하여 각자가 최선을 다할 수 있도록 한다. 엔비디아(NVIDIA) 딥 러닝 연구소의 공인 강사이자 커리큘럼 디자이너인 마이크 멘델슨(Mike Mendelson)은 "컴퓨터는 개방형 창의적 솔루션에 능숙하지 않다. 이런 일은 여전히 인간의 몫"이라며 “하지만 자동화를 통해 반복적인 작업을 수행하는 데 드는 시간을 절약할 수 있고, 그 시간을 설계에 재투자할 수 있다”고 말했다.

업데이트된 문서입니다. 기존 문서는 2021년 4월에 발행되었습니다.